Pandas：将列转换为日期时间格式
Pandas：将列转换为日期时间格式
我使用pandas.to_datetime来解析我的数据中的日期。尽管日期都是每天的，但Pandas默认使用datetime64[ns]来表示日期。\n我想知道是否有一种优雅/巧妙的方法可以将日期转换为datetime.date或datetime64[D]，这样当我将数据写入CSV时，日期就不会附加00:00:00。我知道我可以逐个元素地手动转换类型：\n
[dt.to_datetime().date() for dt in df.dates]
\n但是由于我有很多行，这样做非常慢，而且有点违背使用pandas.to_datetime的目的。是否有一种一次性转换整个列的方法？或者，pandas.to_datetime是否支持精度规范，以便在处理每日数据时去除时间部分？
问题的出现原因是：原始的解决方法虽然能够将列转换为日期格式，但是由于依赖于Python的datetime对象，所以在对其进行操作时不会进行向量化处理，导致速度较慢。
解决方法是：使用df['dates'].dt.floor('d')，这样可以将时间设置为00:00:00，虽然严格来说并没有“仅保留日期部分”，但在一些需要打印、保存为CSV或进行分组操作时，能够达到与原问题描述一致的效果。而且这种方法更加高效，因为操作是向量化处理的。
编辑补充：实际上，原问题提问者更希望的答案可能是“最新版本的pandas在所有观测值的时间为00:00:00时，不会将其写入CSV文件”。不幸的是，to_json仍会写入完整的00:00:00。
这种方法比dt.normalize()在长度超过几百个元素的序列上更快。在一个超过100万行的数据框上，这种方法比我发现的其他方法都要快得多，只有normalize略慢一些。此外，保持日期是pandas原生的形式意味着可以将其保存到hdf存储中（pandas 1.1.4之后，datetime.date列不能保存到hdf存储中）。
Pandas: 将列转换为日期时间格式
问题原因：有时候我们需要将DataFrame中的某一列转换为日期时间格式，但是直接转换可能会改变数据类型。
解决方法：下面是一个简单的解决方法，可以将DataFrame中的某一列转换为日期时间格式。
df['date_only'] = df['date_time_column'].dt.date
需要注意的是，上述方法会改变数据类型为object。如果需要保持数据类型的一致性，可以使用astype('datetime64')方法进行转换。
df['date_only'] = df['date_time_column'].dt.date.astype('datetime64')
这样，我们就可以将DataFrame中的某一列转换为日期时间格式了。
问题的原因是，从0.15.0版本开始，可以使用`.dt`来访问日期组件，将列转换为日期格式。通过`df['dates'].dt.date`可以将日期转换为`datetime.date`对象，并保持为`object`数据类型。如果想保持数据类型为`datetime64`，可以使用`df['dates'].dt.normalize()`来将时间组件设置为午夜（`00:00:00`），只显示日期值。
解决方法是使用`.dt`访问器来转换日期组件，使用`df['dates'].dt.date`将日期转换为`datetime.date`对象，使用`df['dates'].dt.normalize()`将时间组件设置为午夜。
需要注意的是，只能将`.dt`访问器用于类似日期时间的值。如果想以MM-DD-YYYY格式格式化日期，可以使用`.strftime()`方法。